Ultra-processed foods consumption, depression, and the risk of diabetes complications in the CARTaGENE project: a prospective cohort study in Quebec, Canada
Notice bibliographique
Résumé
Introduction: This study aimed to assess the association between depression, ultra-processed food consumption (UPFs), and the risk of developing diabetes-specific complications in adults with type 2 diabetes (T2D). Methods: Baseline data came from the CARTaGENE study, a health survey of adults (40-69 years) in Quebec, Canada. The incidence of T2D complications was examined in N= 683 participants with T2D without complications at baseline by linking survey data with administrative health data. Food and drink consumption was assessed using the Canadian Diet History Questionnaire and categorized by NOVA classification. Participants were categorized into tertiles of UPFs consumption. Depression was defined as having elevated depressive symptoms based on the Patient Health Questionnaire-9 or the use of antidepressant medications. Cox regression models were used to estimate the associations between UPFs, depression, and T2D complications. Results: In total, 105 individuals developed diabetes-related complications over a 7-year period. Participants with high depressive symptoms and high UPFs consumption had the highest risk for diabetes complications (adjusted hazard ratio (aHR) 2.07, 95% CI: 0.91 - 4.70), compared to participants with low depressive symptoms and low UPFs consumption. Higher risks for diabetes complications were observed when high depressive symptoms and antidepressant use were combined with high UPFs consumption (aHR 2.59, 95% CI: 1.32 - 5.06). Conclusion: This study indicates that those with co-occurring depression and high UPFs consumption have a greater risk of diabetes complications. Early management and monitoring of both risk factors might be essential to prevent diabetes complications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».